0-10 min
学习画像诊断
Learner Action
选择年龄阶段、AI 基础、兴趣方向、可投入时间和目标场景。
System Response
生成第一版学习画像，判断应该从工具认知、项目实践还是作品集表达切入。
Output / Learning Map v1
First Session Flow
第一次打开，就进入可交付的学习流程
ChatBear 不应该让学习者先面对一堆课程目录。Learning OS 的第一屏就要完成画像、路径、任务、导师反馈和成果证明绑定，让学习从第一天开始留下可复盘材料。
10-20 min
路径与任务生成
Learner Action
确认推荐路径，选择一个本周可以完成的真实任务。
System Response
把课程、项目模板、验收标准和参考材料组合成任务卡。
Output / Mission Card
20-35 min
白熊导师开局辅导
Learner Action
向 Chat Bear 说明自己的想法、困难和已有材料。
System Response
追问使用场景、输入输出、失败样本和作品集表达方式。
Output / Mentor Notes
35-45 min
提交物与证明绑定
Learner Action
上传截图、提示词、脚本、流程图或项目说明。
System Response
把过程材料沉淀为项目证据，并生成下一步改进清单。
Output / Proof Checklist
Product Modules
四个模块，支撑从诊断到作品集的闭环
Learning OS 的价值不是“又一个仪表盘”，而是把 AI 学习里的关键动作产品化：诊断、路线、反馈和作品集。
Diagnostic
根据学习者基础、兴趣、目标和时间预算，生成第一版 AI 学习路径。
个人学习地图
Roadmap
把课程、项目、工具和阶段成果串成可执行的每周推进计划。
成长路线图
Task Feedback
围绕练习和项目迭代解释、追问、纠错和复盘，让 AI 辅导绑定真实成果。
导师反馈记录
Portfolio
把 Demo、截图、脚本、复盘和成长报告组织成可展示的作品集页面。
作品集证明
Mission Board
Learning OS 要把学习推进成可运营任务
一个成熟的 AI 学习系统不能只显示进度条。它要把每周任务、提交物、导师检查和作品集增量放在同一个任务面板里，让学习者知道下一步怎么交付。
Active
W07｜AI Demo 最小可行版本
Project Studio 学习者 / 3 天内提交
把一个真实问题拆成输入、处理、输出，并做出可现场演示的第一版 Demo。
问题定义卡
核心流程图
3 组样本测试
失败样本记录
White Bear Check
白熊导师会优先检查 Demo 是否真的可运行，而不是只停留在想法描述。
Review
作品集证据补全
Portfolio Proof 学习者 / 本周 Demo Day 前
把截图、脚本、复盘和下一版计划整理成一张可展示项目卡。
Demo 截图
90 秒脚本
结果证据
下一版计划
White Bear Check
白熊导师会追问证据是否能支撑作品价值，表达是否能被家长和老师看懂。
Learner Journey
一个学习者从诊断到作品集的产品流程
学习者进入 ChatBear 后，应该清楚知道自己处在哪个阶段、本周要做什么、项目如何推进、最终留下什么作品。
01
诊断
选择基础、兴趣、时间和目标，生成适合自己的 AI 学习地图。
02
任务
进入每周任务板，看到本周要学什么、做什么、留下什么成果。
03
项目
把课程模块连接到 AI App、机器人、自动化或数据故事项目。
04
反馈
白熊导师围绕任务结果提出问题、指出漏洞和给出下一步建议。
05
证明
系统把项目材料整理成作品集卡片、演示脚本和成长报告。
Mentor Loop
白熊导师围绕任务做反馈
Learner
我做了一个 AI 学习任务助手，但感觉只是调用模型，不像一个完整项目。
Chat Bear
先补三件事：真实使用场景、输入输出流程、失败案例。这样你的 Demo 才能从“工具调用”变成“项目作品”。
Learner
那作品集里应该怎么讲？
Chat Bear
用四段讲：问题、方法、结果、下一版。把截图、提示词、复盘和演示脚本放在一起。
Path View
学习路径视图
学习者知道自己在哪个阶段、下一步要完成什么。
Project View
项目工作台
把课程任务连接到 Demo、材料、反馈和复盘。
Tutor View
导师反馈流
白熊导师围绕任务结果进行具体追问和改进。
Proof View
作品集视图
把学习成果整理成可展示的结构化证明。
Role Views
同一套 Learning OS，要服务三类角色
学习者需要下一步行动，老师需要课堂管理和验收，家长需要看得懂的成长证据。ChatBear 把三类需求放在同一条学习数据链路里。
Learner View
学习者视图
看到自己的路径、每周任务、项目材料、Chat Bear 反馈和下一步行动。
今日任务
项目进度
导师追问
作品集增量
Teacher View
老师视图
查看班级阶段、学生提交物、未完成任务、项目证据和课堂复盘问题。
班级路径
提交物状态
复盘问题
Demo Day 准备
Parent View
家长视图
用可见作品、能力变化和下一步建议理解孩子在 AI 学习中的真实进展。
阶段进度
项目截图
能力变化
下一步建议
01
Activation
路径诊断完成率
学习者是否完成第一轮画像和推荐路径。
02
Engagement
每周任务提交率
学习是否持续推进，而不是只停留在课程浏览。
03
Project Proof
项目证据沉淀数
每个学习周期是否留下截图、Demo、复盘和脚本。
04
Mentor Quality
导师反馈采纳率
Chat Bear 的追问是否推动了项目迭代。
05
Showcase
作品集完成率
最终是否形成可展示、可复盘的成果证明。
Proof Artifacts
系统最终要产出可展示证据
对学习者来说，真正有价值的是能留下来的成果。Learning OS 要把过程自动整理成学习地图、任务卡、导师反馈、项目卡片和成长报告。
Learning Map
学习地图
目标、阶段、推荐路径、每周节奏和项目方向。
Mission Card
任务卡片
任务说明、输入材料、验收标准和提交物。
Mentor Notes
导师反馈
白熊导师的追问、纠错、复盘和改进建议。
Project Card
项目卡片
背景、方法、Demo、截图、结果和反思。
Growth Report
成长报告
能力变化、完成项目、下一阶段建议。